论文栏

摘要: 本文记录历史经典论文，附本站链接

【对数据分析、人工智能、金融科技、风控服务感兴趣的同学，欢迎关注我哈，阅读更多原创文章】
我的网站：潮汐朝夕的生活实验室
我的公众号：潮汐朝夕
我的知乎：潮汐朝夕
我的github：FennelDumplings
我的leetcode：FennelDumplings

---

经典

名称	作者	年份	备注	学习笔记
《通信的数学理论》	香农	1948	信息论	-
《Statistical-mechanics-of-money-wealth-and-income》	V.M. Yakovenko	2009	统计物理与金融	-
冯诺依曼二人零和博弈若干论文	Tinne Hoff Kjeldsen	2001	博弈论	-
《The Theory of Dynamic Programming》	贝尔曼	1954	动态规划	-
《A-protocol-for-Packet-Network-Intercommunication》	Kahn	1974	TCP/IP	-

大数据

名称	作者	年份	备注	学习笔记
《MapReduce: Simplified Data Processing on Large Clusters》；中文版	Google	2004	MapReduce	-
《Bigtable: A Distributed Storage System for Structured Data》；中文版	Google	2006	分布式结构化数据存储系统	-
《The Google File System》；中文版	Google	2003	分布式文件系统设计	-
《F1: A Distributed SQL Database That Scales》	Google	2013	TPAP数据库	-

算法

名称	作者	年份	备注	学习笔记
从cash谈一类分治算法的应用	陈丹琦	2008	cdq分治	-
《skip lists: a probabilistic alternative to balanced trees》	william pugh	1990	跳表	跳表
《size balanced tree》	陈启峰	2007	大小平衡树	手撕平衡树-大小平衡树sbt
《a basic comparison of heap-sort and quick-sort algorithms》	M Luca	2010	快排与堆排的比较	-

工程

名称	作者	年份	备注	学习笔记
《Rules-of-Machine-Learning-Best-Practices-for-ML-Engineering》	Google	2016	机器学习工程最佳实践	谷歌机器学习最佳工程实践
《Hidden Technical Debt in Machine Learning Systems》	Google	2016	机器学习系统	机器学习系统中隐藏的技术负债

AI

名称	作者	年份	备注	学习笔记
《Deep Residual Learning for Image Recognition》	何凯明	2015	ResNet	经典CNN模型-ResNet手写笔记
《Densely Connected Convolutional Networks》	黄高	2017	DenseNet	经典CNN模型-DenseNet手写笔记
《Memory-Efficient Implementation of DenseNets》	Geoff Pleiss	2017	DenseNet 内存高效实现	经典CNN模型-DenseNet的内存高效实现
《Bag of Tricks for Image Classification with Convolutional Neural Networks》	李沐	2018	图片分类模型调参技巧	图片分类模型调参技巧
《Practical-Lessons-from-Predicting-Clicks-on-Ads-at-Facebook》	Facebook	2014	GBDT+LR	-
《Distilling the Knowledge in a Neural Network》	Hinton	2015	知识蒸馏	-
《Learning Semantic Image Representations at a Large Scale》	贾扬清	2014	图像语义表示，贾扬清博士论文	-
《Playing-Atari-with-Deep-Reinforcement-Learning.》	Volodymyr Mnih	2013	DQN	-
《Forecasting-at-Scale》	Facebook	2017	时间序列预测框架 prophet	-
《greedy-function-approximation-GBM》	Jerome H. Friedman	1999	GBDT	-
《A-Unified-Approach-to-Interpreting-Model-Predictions》	Scott M. Lundberg	2017	可解释性 SHAP	-
《Explaining-the-Predictions-of-Any-Classifier》	华盛顿大学	2016	可解释性 LIME	-
《Peeking Inside the Black Box: Visualizing Statistical Learning with Plots of Individual Conditional Expectation》	Alex Goldstein	2014	可解释性 ICE	-
《Permutation importance: a corrected feature importance measure》	Andre Altmann	2010	可解释性 Permutation importance	-
《Graph-Data-Augmentation-for-Graph-Machine-Learning-A-Survey》	Tong Zhao	2022	GNN 数据增强综述	-
《Graph-neural-networks-A-review-of-methods-and-applications》	Jie Zhou	2020	GNN 综述	-

业务

名称	作者	年份	备注	学习笔记
《NLP-in-FinTech-Applications-Past-Present-and-Future》	台湾大学	2020	NLP金融科技	NLP在金融科技的应用

---